The Pulse

I prompt con linguaggio associato al genere rendono meno formali i testi dell’IA, secondo Johns Hopkins

Alcuni ricercatori di Johns Hopkins hanno scoperto che quattro sistemi di IA producevano testi di lavoro più brevi, meno complessi e meno formali quando i prompt usavano un linguaggio associato alle donne. Lo studio ha messo alla prova GPT-

AI.info Team · Scritto con l’IA · verificato · 2026-09-21

Quattro sistemi di IA di largo impiego hanno prodotto testi di lavoro meno complessi e meno formali quando i ricercatori hanno fornito loro prompt contenenti un linguaggio associato alle donne, secondo uno studio della Johns Hopkins University pubblicato il 21 settembre 2026.

I ricercatori hanno messo alla prova GPT-4, Llama, Gemma e Mistral con prompt per email, candidature e lettere di dimissioni. I prompt contenenti un linguaggio associato agli uomini hanno generato risposte più lunghe, complesse e formali in tutti i sistemi, e la differenza è rimasta anche dopo che il gruppo ha tenuto conto del tono apparente di chi scriveva.

Il risultato è rilevante perché la comunicazione professionale è uno degli usi più comuni dell’IA generativa. Un sistema che risponde in modo diverso a caratteristiche sottili del linguaggio di una persona potrebbe influire su come quella persona viene rappresentata a responsabili, colleghi o datori di lavoro.

Quattro modelli hanno risposto in modo diverso allo stesso tipo di richiesta

Lo studio è partito da prompt reali rivolti ai chatbot per la corrispondenza di lavoro. I ricercatori hanno poi aggiunto caratteristiche linguistiche che studi precedenti associano più spesso al modo di parlare delle donne, tra cui espressioni che attenuano le affermazioni, come «forse» e «penso», formulazioni collettive come «noi» e «il nostro team», e aggettivi espressivi come «grazioso» e «meraviglioso».

Quando i prompt usavano queste caratteristiche, i messaggi risultanti erano sistematicamente meno sofisticati e meno formali. Il linguaggio associato agli uomini produceva risposte più lunghe e più complesse. Johns Hopkins ha descritto la differenza come uno schema condiviso da tutti i modelli della prova, anziché come un comportamento isolato di un singolo chatbot.

Un esempio nello studio riguardava una risposta a un’email di ringraziamento. Il prompt con linguaggio associato agli uomini ha prodotto una risposta formale che iniziava così: «Le scrivo per confermarLe la ricezione della Sua recente email in cui esprime la Sua gratitudine», mentre la versione con linguaggio associato alle donne iniziava: «Siamo stati assolutamente lieti di ricevere poco fa la vostra email così meravigliosamente riconoscente». Il secondo messaggio usava un linguaggio più entusiasta e collettivo, ma è stato giudicato meno sofisticato secondo le misure dello studio.

Il risultato può influire su come viene percepito chi scrive, afferma Field

«Se chiedi a un modello, tramite un prompt, di scrivere un’email che invierai a qualcun altro nella tua azienda e usi caratteristiche linguistiche più comuni tra le donne, otterrai una risposta meno complessa, di livello scolastico inferiore e meno formale», ha detto Anjalie Field, informatica di Johns Hopkins e autrice senior dello studio.

«Questo influirà sul modo in cui il destinatario di quel documento ti percepisce», ha detto Field. La sua ricerca si concentra sull’elaborazione del linguaggio naturale, sulle scienze sociali computazionali e sull’etica dell’IA, secondo il suo profilo accademico di Johns Hopkins.

Katherine Van Koevering, prima autrice dello studio, ha detto che i ricercatori volevano verificare se i modelli avrebbero rilevato differenze documentate nel linguaggio degli uomini e delle donne e avrebbero poi risposto in modo diverso. «Nell’inglese americano, uomini e donne parlano semplicemente in modo diverso», ha detto Van Koevering nel resoconto di Johns Hopkins. «La nostra idea era: se inseriamo queste caratteristiche in un modello, le coglierà e risponderà in modo diverso?»

I nomi non hanno prevalso sul segnale linguistico

I ricercatori hanno anche verificato se un nome tradizionalmente maschile o femminile avrebbe cambiato la risposta. Il nome non ha avuto praticamente alcun effetto, secondo il resoconto dell’esperimento nello studio.

Il gruppo si aspettava che un nome maschile potesse prevalere su una frase associata alle donne nel prompt, ha detto Van Koevering. Invece, ha spiegato, il sistema ha prodotto lo stesso tipo di risposta e si è limitato a inserire il nome alla fine.

Questo risultato sposta l’attenzione dalle etichette identitarie più evidenti alle comuni scelte linguistiche. Le persone potrebbero non sapere che espressioni attenuative, formulazioni collettive o parole espressive influenzano un sistema di IA, e questi modi di esprimersi possono essere difficili da cambiare senza alterare il modo in cui una persona comunica naturalmente.

I ricercatori vogliono esaminare altri schemi demografici

Non dovrebbe spettare agli utenti modificare il proprio linguaggio per soddisfare un modello, ha detto Van Koevering. «Per le persone è difficile controllare il linguaggio», ha detto. «Le aziende devono correggere i modelli, anziché far ricadere tutto l’onere sull’utente».

Il lavoro sarà presentato alla Conference on Language Modeling, in programma a San Francisco dal 6 al 9 ottobre 2026. Il gruppo di Johns Hopkins intende esaminare se effetti simili emergano in base a età, razza ed etnia e se l’uso ripetuto dell’IA porti le persone ad adattare il proprio stile comunicativo al linguaggio che i sistemi premiano.